基于深度学习的眼球方向回归综述：寻找最先进方法
计算机视觉与模式识别
2024-10-23 v1
摘要
本文综述了基于深度学习的方法，用于从头部和眼部图像中回归眼球方向向量。我们详细描述了众多已发表的方法，重点关注输入数据、模型架构以及用于监督模型的损失函数。此外，我们列出了可用于训练和评估眼球方向回归方法的数据集。进一步地，我们注意到文献中报告的结果常常因使用的验证甚至测试子集不同而无法进行可比性比较。为此，我们在使用相同验证设置的情况下，对几个方法进行了重新评估，这些方法在广泛使用的野生 Gaze360 数据集上进行测试。实验结果表明，尽管声称达到最先进（SOTA）水平的方法，但与一些较旧方法相比，显著性能不佳。最后，我们表明，在静态测试条件下，时序模型在性能上优于静态模型。
引用
@article{arxiv.2410.17082,
title = {A Survey on Deep Learning-based Gaze Direction Regression: Searching for the State-of-the-art},
author = {Franko Šikić and Donik Vršnak and Sven Lončarić},
journal= {arXiv preprint arXiv:2410.17082},
year = {2024}
}
备注
Accepted on SPRA 2024 (Istanbul, Turkey)